基于强化学习的大语言模型（LLMs）和策略性语言智能体，通过使用 LLM 推理潜在欺诈行为和生成策略多样化动作的候选集，结合强化学习策略进行决策训练，取得了多样的突现策略，战胜其他 LLM 智能体并对抗人类对手在狼人游戏中保持强大。

Oct, 2023

本文提出了一种创新的框架，将大型语言模型（LLMs）与外部思考器模块相结合，以增强基于 LLM 的代理机构的推理能力。该框架形成了一个推理层次结构，其中 LLMs 处理直觉性的 System-1 任务，而思考器专注于需要复杂逻辑分析和领域特定知识的认知 System-2 任务。实验证明了该框架在演绎推理、语音生成和在线游戏评估方面的有效性。此外，我们通过与思考器集成来调优 6B LLM，以超越 GPT4。本文还贡献了迄今为止最大的社交推理游戏数据集。

Feb, 2024

基于狼人游戏的模拟平台，评估大型语言模型的本领领导力，并开发了两个新的度量标准，分别衡量意见领袖的可信度和对他人决策的影响力。结果表明，狼人游戏适合评估大型语言模型的意见领袖能力。

Apr, 2024

通过研究 One Night Ultimate Werewolf (ONUW) 游戏中的讨论策略对玩家效用的影响，本研究发现讨论对于改变玩家信念和提升讨论策略的重要性，并提出了基于强化学习的讨论策略训练框架，通过实验证明了该框架的效果和泛化能力。

May, 2024

本文介绍了使用预训练语言模型构建一个价值网络，并在此基础上开发出一个 AI 代理系统 Deep Wolf 来玩 Werewolf 游戏的方法和性能评估结果，其表现可以和人类玩家竞争，这表明当前的语言模型有能力在对话中怀疑他人的话语，撒谎或者检测谎言。

Feb, 2023

大语言模型（LLMs）在游戏中的应用和角色的综述和路线图，探讨了 LLMs 在游戏领域中未开发的领域和未来的发展方向。

Feb, 2024

本文探索了一种方法，即在特定的游戏场景中测试大型语言模型的表现，以此来深入了解它们是否能像环境理解代理一样进行操作，涵盖了五个交互设置，并表明当前聊天优化的大型语言模型在一定程度上能够遵循游戏规则，并且用于衡量游戏表现和调查 LLM 的性能具有诊断价值。

May, 2023

基于近年来大型语言模型 (LLMs) 在游戏设计、开发和研究中的潜力，本文针对与游戏相关的 LLM 的最新研究进行了初步调研，总结了 2022 年至 2024 年初间与 LLMs 和视频游戏相关的 76 篇论文，主要关注游戏人工智能、游戏开发、叙事以及游戏研究和评论，为未来的研究和评论奠定了基础。

Mar, 2024

利用大型语言模型作为替代人类参与游戏实验的工具来进行社会科学研究时，与人类行为高度一致的特点使其具备潜力，然而，尽管已经有大量关于大型语言模型与博弈论结合的实证研究，但大型语言模型在博弈论中的能力边界仍不清楚，因此我们试图在本研究中系统分析大型语言模型在博弈论背景下的表现，结果表明即使目前最先进的大型语言模型（GPT-4）与人类在博弈论方面存在显著差异，因此在社会科学领域引入大型语言模型进行游戏实验时应更加谨慎。

Dec, 2023

利用社交推理游戏 Avalon: The Resistance 中的欺骗行为和多方对话测试大型语言模型（LLMs）的能力和性能。

Nov, 2023